对自然语音的EEG反应的动态建模揭示了可预测单词的早期处理
Jin Dou1, Andrew J Anderson2,3,4,5, Aaron S White6,7
1Department of Biomedical Engineering, University of Rochester, Rochester, New York, United States of America.
PLoS computational biology
|April 28, 2025
概括
当单词可预测时,大脑对自然语言中的单词的反应更快,更小. 这项EEG研究表明,单词可预测性影响了语音理解过程中神经信号的时间和振幅.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 心理语言学 心理语言学
背景情况:
- 电脑电图 (EEG) 反映了自然语音理解.
- 以前的模型假设语言特征和EEG反应之间的线性,不变时间关系.
- 这种线性假设可能不能完全捕捉语音处理的动态性质.
研究的目的:
- 开发一种用于模拟EEG对自然语音反应的新型框架.
- 研究词语可预测性如何影响神经反应的幅度,延迟和时间尺度.
- 为了测试这个假设,可预测的单词被处理得更快.
主要方法:
- 开发了一种灵活的时间响应函数模型.
- 调节的EEG响应幅度,延迟和时间尺度,基于单词可预测性.
- 将模型应用于参与者听有声书的EEG数据.
主要成果:
- 可预测的单词引起了较低幅度的N400类响应,而较早的峰值.
- 这种效应受到当前和前一个词的可预测性的影响.
- 发现并没有仅仅通过语音解歧义来解释.
结论:
- 大脑对自然语言中单词的反应的时间和幅度取决于可预测性.
- 拟议的框架提高了对语音神经反应建模的准确性.
- 这项工作为预测性语言处理的神经机制提供了新的见解.
更多相关视频
08:45Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example
Published on: October 24, 2012
14.6K
08:51Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms
Published on: November 1, 2019
5.6K
